Analyse d'images rétiniennes par raisonnement à Base de Cas et Réseau bayésien pour l'aide au Diagnostic Médical.

Abstract

Dans ce travail, nous nous intéressons à l'imagerie rétinienne pour l'aide à la décision diagnostique d'une pathologie très répandue : la rétinopathie diabétique. Notre objectif est de concevoir un système pour la détection automatique des microanévrismes, premier signe de la rétinopathie diabétique, par l'intégration du traitement d'images dans la représentation des connaissances d'un système de raisonnement à partir de cas. En phase de traitement on élabore des méthodes pour corriger l'image en utilisant la correction de non-uniformité. Cette méthode consiste à utiliser un filtre moyen sur l'image et après le soustraire de l'image originale pour améliorer le contraste. On élimine les vaisseaux vasculaires en utilisant le chapeau haut de forme. On applique sur ce résultat une binarisation pour obtenir les liaisons les plus sombres (microanévrisme, hémorragie), après on utilise la fonction de détection de microanévrismes. On élabore les probabilités des réseaux bayésiens qui convient le mieux avec l'incertitude médicale. Le choix du réseau bayésien naïf est de considérer comme étape de classification des images ; la probabilité de détection. Enfin on obtient des résultats de détection des microanévrismes fiables en les comparants avec une base d'images. Mots clés : Rétinopathie diabétique, microanévrismes, morphologie mathématique ; réseau de Bayes